Ciclo de Vida de la Simulacin

Anlisis del Problema: Para tener una definicion exacta del

sistema que se desea simular es necesario hacer un analisis
preliminar del mismo con el fin de determinar la interaccion del
sistema con otros sistemas, las restricciones del sistema, las
variables que interactuan dentro del sistema y sus interrelaciones,
los objetivos y las metas del sistema. Figura 3.24
Formulacin del Modelo: Una vez definidos con exactitud los
resultados que se esperan obtener del estudio, el siguiente paso es
definir y construir el modelo con el cual se obtendran los resultados
deseados. En la formulacion del modelo es necesario definir todas
las variables que forman parte de l, sus relaciones logicas y los
diagramas que describen en forma completa al modelo. Figura
3.24
Recoleccin de Datos: Es posible que la facilidad de obtencion de
algunos datos y la dificultad de conseguir otros, puedan influenciar
el desarrollo y formulacion del modelo. Por consiguiente, es
importante que se definan con claridad y exactitud los datos que el
modelo va a requerir para producir los resultados deseados.
Normalmente, stos se pueden obtener por informacion historica,
opinion de expertos y, si no hay otra posibilidad, por
experimentacion. Figura 3.24
Programacin del modelo: Con el modelo ya definido, el
siguiente paso es ingresar el modelo en un programa de
computacion. En este paso se debera decidir qu software utilizar
para la simulacion. Se pueden utilizar lenguajes de alto nivel como
FORTRAN, VISUAL BASIC y PASCAL, o aplicaciones como hojas
electronicas o paquetes especficos de simulacion como MATLAB,
SIMULINK, STATEFLOW, SIMEVENTS, SIMRF, COMMUNICATION
SYSTEM TOOLBOX, etc. En esta etapa debe verificarse el correcto
funcionamiento del modelo programado. Figura 3.24
Validacin del modelo: En buena parte del trabajo experimental
podra existir el problema de relacionar los resultados con el sistema
real, porque el ambiente del laboratorio no es el mismo donde han
de aplicarse los resultados. En los modelos de simulacion ocurre
algo similar ya que los resultados se obtienen generalmente a partir
de modelos matematicos y no fsicos. Para poder hacer inferencia
entre la realidad y los resultados simulados, es necesario tener
alguna indicacion de lo bien que el modelo representa al sistema
real, y a este proceso de valoracion se lo llama validacion de la
simulacion. Esta etapa sive para detallar falencias en la formulacion
del modelo o en los datos con los que fue alimentado; por ello en el

proceso de simulacion se considera una buena prctica validar el

modelo consultando la opinion de expertos sobre los resultados de
la simulacion, comparar los resultados del modelo con datos
historicos, comprobar fallas del modelo de simulacion provocadas
por la utilizacion de datos que hacen fallar el sistema real, la
aceptacion y confianza en el modelo por parte de la persona que
har uso de los resultados que arroje el experimento de simulacion.
Figura 3.24
Experimentacin: Este paso se realiza luego de haber validado el
modelo. Una buena prctica en esta fase es planificar
cuidadosamente los experimentos a efectuar con el modelo, para
dar luz a la informacion requerida en la definicion del sistema
mediante un plan que incluya los datos y condiciones iniciales que
se emplearn, el nmero de corridas del programa requeridas para
asegurar la significancia de los resultados y el tipo de resultados
deseados. Figura 3.24
Interpretacin: Una vez que se ha planificado el experimento, se
lo ejecuta y, finalmente, se interpretan los resultados obtenidos y se
elaboran las conclusiones. Figura 3.24

Figura 3.24 - Ciclo de Vida de la Simulacin

Averill M. Law y W. David Kelton proponen ademas una buena
prctica para analizar un sistema, una vez que este haya sido
definido:

Figura 3.25 - Buena prctica para anlisis de un sistema

A continuacion se describe la metodologa integrada por las mejores

practicas descritas por la Gua PMBOK y las buenas practicas
recomendadas por Averill M. Law y W. David Kelton para el analisis
de un sistema, que se han adaptado para desarrollar esta Gua de
Trabajo, que se explica con el grafico siguiente (Figura 3.26), y sera
el hilo conductor en los siguientes captulos.
Segn la propuesta de Law y Kelton, podramos experimentar con
el sistema real y, por ejemplo, forzar el sistema a un estado de
fallo con el fin de determinar la fiabilidad del sistema. A menudo
eso no es prctico, porque es demasiado costoso o requiere
demasiado tiempo o recursos. Incluso puede ser imposible si el
propio sistema no existe todava. En estos casos, podemos
desarrollar un modelo del sistema para que ste pueda ser
estudiado. Si se utiliza un modelo, podra ser un modelo fsico, un
prototipo o un modelo a pequea escala. Construir y experimentar
con un modelo de este tipo puede proporcionar informacion valiosa
sobre el sistema real. Si esto no es posible o suficiente, podemos
crear un modelo matemtico para este fin.
Los modelos matemticos pueden ser modelos analticos o de
simulacion. Un modelo analtico para determinar la fiabilidad de un
sistema podra ser la funcion de densidad de probabilidad del
sistema (pdf) como una funcion de las distribuciones de fallo
individuales de los componentes. Entonces podramos obtener la
funcion del sistema de distribucion acumulativa (CDF ) y otros
resultados de inters, tales como la fiabilidad condicional , el tiempo
de garanta, etc. Tambin podramos realizar anlisis auxiliares
como clculos de importancia de fiabilidad o la optimizacion de la
asignacion de fiabilidad. Los modelos analticos proporcionan

soluciones exactas y , por lo tanto , incluso con algunas

suposiciones y simplificaciones , los modelos analticos pueden ser
preferibles a las tcnicas de simulacion.
Como ya hemos visto la simulacion se refiere a la creacion y el
uso de un modelo de computadora con el fin de replicar y analizar
el comportamiento de un sistema real. A medida que la
complejidad de un modelo aumenta (por ejemplo, cuando las
reparaciones, la utilizacion de recursos , rendimiento ,
mantenimiento preventivo , inspecciones y otros factores deban
considerarse), la simulacion se convierte rpidamente en el nico
enfoque viable.
A continuacion se describe la metodologa integrada por las mejores
practicas descritas por la Gua PMBOK y las buenas practicas
recomendadas por Averill M. Law y W. David Kelton para el analisis
de un sistema, que se han adaptado para desarrollar esta Gua de
Trabajo, que se explica con el grafico siguiente (Figura 3.26), y sera
el hilo conductor en los siguientes captulos.

Figura 3.26 - Metodologa Integrada para la Gua de Trabajo